EP053 Evaluation of nerve block incidence and utilization in hip fractures: a retrospective analysis
Notice bibliographique
Résumé
Please confirm that an ethics committee approval has been applied for or granted: Yes: I’m uploading the Ethics Committee Approval as a PDF file with this abstract submission Background and Aims Hip fractures in the elderly population necessitate effective pain management strategies to improve outcomes. Peripheral nerve blocks are recommended for their potential benefits in pain control and recovery. However, their utilization remains variable. This study aims to evaluate the incidence and determinants of peripheral nerve block use in elderly hip fracture patients, with a focus on timing and patient outcomes. Methods A retrospective analysis of patient charts from University Hospital and Victoria Hospital in London, Ontario, Canada, was conducted. The study included patients aged 65 years and older diagnosed who underwent emergency hip surgery between January 1, 2018, and February 29, 2024. Data on nerve block utilization, patient demographics, cognitive impairment, length of stay, and timing of block administration were collected. Statistical analysis, including chi-square tests, logistic regression, and propensity score matching, was performed to examine the factors influencing nerve block utilization. Results Preliminary findings suggest suboptimal utilization of peripheral nerve blocks in hip fracture surgery patients, with fewer blocks administered during off-hours and weekends compared to standard weekday work hours. Despite an annual increase in block utilization, patients during off-hours were less likely to receive blocks, indicating variation in care. Conclusions This study highlights the need for optimizing the utilization of peripheral nerve blocks in elderly patients undergoing hip fracture surgery. Understanding factors influencing block administration, such as timing, patient characteristics, and cognitive impairment, is crucial for enhancing pain management practices and improving outcomes in this vulnerable population.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».